1.一种用于磁场信号去噪的传感器阵列多目标优化方法,其特征在于,包括以下步骤:S1:建立约束模态下的磁场干扰模型并进行瞬态分析,获取所有传感器采集到的磁场信号时间序列数据;
S2:基于磁场信号数据设定优化指标,将优化指标作为多目标适应度函数,对多目标适应度函数进行优化,获得适应度函数值取得最大情况时的最优辅助传感器布局方案;
优化指标包括优化指标1和优化指标2,其中优化指标1为选定的待选辅助传感器布局的传感器磁场信号数据与主传感器之间的综合动态时间规整距离,优化指标2为选定的待选辅助传感器布局的传感器磁场信号数据与主传感器之间的综合Chatterjee相关系数;
将优化指标1和优化指标2作为多目标适应度函数,其中优化指标1取负,优化指标2取正;
;
;
其中,Index_1表示优化指标1,Index_2表示优化指标2;
nsensor表示选定辅助传感器的数量,maxis表示磁场强度方向,maxis为1时表示X轴,maxis为2时表示Y轴,maxis为3时表示Z轴;
表示主传感器采集到的maxis轴数据的长度,表示第n个选定的辅助传感器采集的maxis轴数据的长度;
表示为时间序列数据中第i位元素,同理;
w为Sakoe-Chiba带约束窗口参数,且对称带状区域∣ij∣≤w;
lg表示在时间序列S进行排序后的索引数组Sorder中,时间序列S的第g个元素对应的秩,即序列S中大于该元素的个数,rg是 lg的副本;
dtw(i,j)为动态时间规整距离;
对计算出的优化指标1和优化指标2归一化,并根据优化指标权重比例对其加权,得出单个染色体综合适应度值,公式表达式为:;
其中,和分别表示为优化指标权重占比,和分别表示为优化指标1和优化指标2在种群内归一化结果;
最优辅助传感器布局方案是指从N个待选辅助传感器布局中选取的最优辅助传感器布局方案;
对多目标适应度函数进行优化采用自适应二重结构编码的遗传算法;
S3:基于最优辅助传感器布局方案,建立主传感器以及最优辅助传感器阵列;
S4:在干扰源影响环境下,基于训练好的深度学习网络模型对最优辅助传感器阵列的噪声信号进行处理,得到主传感器的去噪后的磁场信号。
2.根据权利要求1所述的一种用于磁场信号去噪的传感器阵列多目标优化方法,其特征在于,步骤1中的约束模态下的磁场干扰模型通过有限元分析软件建立,过程如下:使用有限元分析软件搭建磁场干扰模型,建磁场干扰模型包括干扰源以及受扰平面,并在受扰平面表面设置N+1个用于检测磁场信号的传感器,其中1个传感器为位于受扰平面主位置的主传感器,剩余N个传感器为处于受扰平面上呈辐射状均匀分布的待选辅助传感器。
3.根据权利要求2所述的一种用于磁场信号去噪的传感器阵列多目标优化方法,其特征在于,步骤1中获取所有传感器采集到的磁场信号数据的过程如下:在有限元分析软件中,定义所建立的磁场干扰模型的材料属性,以及进行网格划分,基于选定的单元类型和网格密度,并施加固定约束和定义随时间变化的电流负载,进行瞬态分析,获取所有传感器采集到的三个方向的磁场信号数据。
4.根据权利要求1所述的一种用于磁场信号去噪的传感器阵列多目标优化方法,其特征在于,采用自适应二重结构编码的遗传算法对多目标适应度函数进行优化的过程如下:S21:初始化种群大小、最大迭代次数、待选辅助传感器数量、选定辅助传感器数量、变异选择概率、交叉选择概率、优化指标权重比例、精英个体数量、停滞阈值迭代数;
S22:构建二重结构编码种群个体,个体染色体二重结构由位置编码和确认码两行构成,其中位置编码表明辅助传感器可选择布局位置,确认码为是否选定该位置;
S23:设置多目标适应度函数;
S24:对多目标适应度函数进行优化,获得适应度函数值取得最大情况时的最优辅助传感器布局方案。
5.根据权利要求4所述的一种用于磁场信号去噪的传感器阵列多目标优化方法,其特征在于,S24:对多目标适应度函数进行优化,获得适应度函数值取得最大情况时的最优辅助传感器布局方案,具体过程如下:S241:计算初始种群内所有染色体综合适应度值,经过轮盘赌选择、部分匹配交叉、逆位变异,并使用精英保存策略,保留精英个体数量个适应度值最高的染色体,生成新种群;
S242:通过实时量化种群分布特征,提出非线性自适应调节机制;
通过统计分析种群适应度的标准差和极差分布,构建复合多样性评价指标,采用Sigmoid函数实现交叉概率Pc与变异概率Pm的平滑动态调节,公式表达:;
其中,设置当代种群的综合适应度值为,有:
;
;
Pc为交叉概率,Pm为变异概率,D为复合多样性指标,e为自然常数,Psize表示种群大小,fp表示种群中第p个染色体的综合适应度值,fmax表示种群中综合适应度最大值,fmin表示种群中综合适应度最小值,为平均适应度,为适应度标准差,为极差归一化因子;
S243:在S241中,加入非线性自适应调节机制,并重复该步骤,直至到达最大迭代次数或者经过停滞阈值迭代数后种群中最大适应度染色体未发生改变,得到大适应度染色体,并解构二重结构编码,获取最优辅助传感器布局。
6.根据权利要求1所述的一种用于磁场信号去噪的传感器阵列多目标优化方法,其特征在于:最优辅助传感器布局方案中的主传感器布局靠近于被检测位置,最优辅助传感器布局是利用多目标适应度函数综合优化得出的,该最优辅助传感器布局随着干扰源的位置以及类型改变而改变;
干扰源影响环境指载流导体不通电,仅干扰源产生磁场。
7.根据权利要求1所述的一种用于磁场信号去噪的传感器阵列多目标优化方法,其特征在于,深度学习网络模型的训练过程时将最优辅助传感器阵列的噪声信号中最优辅助传感器对应的噪声信号作为输入,主传感器对应的噪声信号作为输出。
8.根据权利要求7所述的一种用于磁场信号去噪的传感器阵列多目标优化方法,其特征在于,基于训练好的深度学习网络模型对最优辅助传感器阵列的噪声信号进行处理,得到主传感器的去噪后的磁场信号,过程如下:利用训练好的深度学习网络模型将最优辅助传感器阵列的噪声信号进行重构,输出主位置处噪声信号;
将主传感器获取的受扰信号减去主位置处噪声信号,获取去噪后的磁场信号。